Answer Engine Optimization：2026年版 AEO・GEO完全ガイド

Great Decouplingの記事を読んでいれば、検索経済で何が変わったのかはすでに理解しているはずです。

このガイドでは、それにどう最適化するかを説明します。Answer Engine Optimization（AEO）とGenerative Engine Optimization（GEO）の基本、そして自社ページで再利用できる実践的なパターンをまとめます。

具体的には、次のことがわかります。

Answer Engine Optimization（AEO）とGenerative Engine Optimization（GEO）の違い。
PrincetonのGEO研究が実際に何を発見したのか、そしてそれをどう応用するか。
Google AI Overviews、Perplexity、Microsoft Copilot、Claude、Gemini向けのプラットフォーム別戦術。
「AI visibility」詐欺を見抜き、回避する方法。
Surmado Site Audit、AI Visibility、Strategyを最適化ワークフローのどこに組み込むべきか。

これは戦略概要に対する、実務向けの戦術編です。具体的に見ていきましょう。

TLDR：新しい最適化領域

従来のSEOは、上位10件のオーガニック検索結果に入るためのものです。
**Answer Engine Optimization（AEO）**は、スニペットや直接回答として抽出されやすいコンテンツにするためのものです。
**Generative Engine Optimization（GEO）**は、AIシステムが回答を合成するときに、あなたを引用するよう促すためのものです。
PrincetonのGEO研究では、専門家の引用を追加すると可視性が約41%、統計データを追加すると約30%、出典を追加すると約30%向上することが示されました。
プラットフォームごとに挙動は異なります。Google AIOは主に上位10件から取得します。Perplexityは鮮度と権威性を重視します。CopilotはB2BクエリでLinkedInに大きく依存します。
AI回答への掲載を保証できる人はいません。そう約束する人は詐欺です。
Surmado AI Visibility（$50）は、7つのプラットフォームでの可視性をテストします。Site Audit（$50）は技術的な障壁を修正します。Strategy（$50）は戦略的な実行計画を提供します。

用語整理：SEO vs AEO vs GEO

戦術に入る前に、3つの異なる領域を理解する必要があります。

従来のSEO

従来のSearch Engine Optimizationは、検索結果一覧で順位を上げるための最適化です。

目的は、誰かがキーワードを検索したときに1〜10位に表示されることです。

主な戦術：

キーワード調査とターゲティング。
被リンク獲得。
技術的なサイト健全性（速度、モバイル対応、クロール可能性）。
検索意図に合ったコンテンツ。

従来のSEOは今でも土台です。 研究では、オーガニック検索で上位10件に入るページと、AI Overviewsで引用されるページの間に92%の相関があることが示されています。

従来のSEOを飛ばしてGEOに進むことはできません。AIは上位結果を読みます。上位10件に入っていなければ、そもそもAIに読まれる可能性は統計的に低くなります。

Answer Engine Optimization（AEO）

AEOは、検索エンジンを質問回答マシンとして扱います。

目的は、直接回答、featured snippets、音声回答、AI要約として抽出されやすいコンテンツにすることです。

基本思想： 簡潔さと構造。

主な戦術：

1. 40〜60語の直接回答

質問形式の見出しの直後、最初の40〜60語で質問への答えを書きます。

例：

## ダラスで当日対応のHVAC修理は提供していますか？

はい。ダラスで24時間365日の緊急HVAC修理と当日対応サービスを提供しています。
週末・祝日にも対応します。出張診断料は$89で、診断が含まれます。
修理は$150からです。ご予約は214-555-1234までお電話ください。

この形式にすると、AIが質問を特定し、回答を抽出するのが非常に簡単になります。

2. 質問形式の見出し（H2/H3）

実際のユーザークエリを中心にコンテンツを構成します。

次のような見出しではなく：

「サービス内容」
「料金情報」
「お問い合わせ」

次のようにします：

「ダラスではどのHVACサービスを提供していますか？」
「HVAC修理の費用はいくらですか？」
「緊急対応サービスはありますか？」

これは、ユーザーがAIシステムに質問するときの言い方に近い構造です。

3. FAQとHowToのSchema Markup

Schema markupは、AIシステムが好むネイティブ言語です。

FAQPage schemaを実装すると、AIに明示的に伝えられます。

これは質問である。
これは受け入れられた回答である。
これらは概念間の関係である。

AEOとは、ユーザーの質問とあなたの回答の間にある摩擦を減らすことです。

Generative Engine Optimization（GEO）

GEOはより新しく、より技術的な領域です。

目的は、大規模言語モデルが回答を合成する過程で、どのソースを選ぶかに最適化することです。

AEOが事前に書かれた回答の抽出を狙うのに対し、GEOはモデルの学習上のバイアスと引用傾向を狙います。

Princeton GEO研究

2024年、Princetonの研究者がGEO戦術に関する初の大規模な実証研究を行いました。

彼らは10,000件のクエリでさまざまなコンテンツ修正をテストし、引用される確率への影響を測定しました。

主な発見：

戦術	可視性への影響
属性付きの専門家引用を追加	+41%
明確な統計やデータを含める	+30%
ソースへのインライン引用を追加	+30%
読みやすさと流暢さを改善	+22%
分野固有の用語を使う	+21%
言葉を簡潔にする	+15%
権威ある声とトーン	+11%
キーワード詰め込み	-9%

ここからわかること：

LLMは、証拠らしく見えるコンテンツに偏ります。

専門家の引用（+41%）が効くのは、モデルが引用符と属性を信頼性の代理指標として使うからです。

統計（+30%）は事実密度を示します。

インライン引用（+30%）は、コンテンツ自体が権威あるソースに基づいて構築されていることを示し、信頼の連鎖を作ります。

逆に、キーワード詰め込み（-9%）は文章の自然な流れを壊し、モデルはそれをperplexity scoreを通じて検出します。

Consensus Engine理論

LLMは確率に基づいてテキストを生成します。学習データの中で一貫して出現する情報を好みます。

これにより、私たちが「Consensus Engine」と呼ぶ効果が生まれます。

あなたの営業時間が自社サイトでは「月〜金 9〜5」と書かれているのに、Yelpでは「月〜土 8〜6」となっている場合、AIは確信を失います。誤った情報を幻覚として出すことを避けるため、営業時間を完全に省略する可能性があります。

GEO戦略とは、合意を構築することです。

NAP（名前、住所、電話番号）、営業時間、サービス内容、価値提案は、次のすべてで一致していなければなりません。

自社サイト
Google Business Profile
Bing Places
Yelp
LinkedIn
Facebook
Apple Maps

一貫性はノイズを減らします。AIは高い確信を持って事実を三角測量できます。

比較表：SEO vs AEO vs GEO

観点	従来のSEO	AEO	GEO
目的	上位10件にランクインする	直接回答として抽出される	AI生成の合成回答で引用される
対象システム	Google/Bingのオーガニック順位	Featured snippets、音声検索、AI要約	ChatGPT、Claude、Gemini、PerplexityでのLLM引用
主な指標	キーワード順位、オーガニック流入	スニペット獲得、音声回答での出現頻度	引用頻度、AI回答内のShare of Voice
主な戦術	被リンク、キーワード、技術的健全性	40〜60語の回答、Q&A形式、FAQ schema	専門家引用、統計、合意形成、インライン引用
コンテンツスタイル	網羅的、キーワード最適化	簡潔、質問中心、構造化	証拠重視、引用しやすい、権威的
成功シグナル	SERPで1〜3位	Featured snippetまたはPeople Also Askへの掲載	AI OverviewまたはPerplexity回答でのブランド言及

重要な洞察： 3つすべてが必要です。

SEOは、AIが読むページ候補のプールに入るためのものです。

AEOは、コンテンツを抽出しやすくします。

GEOは、AIが最終回答を合成するときに競合ではなくあなたを選ぶようにします。

AEOとGEOに関するよくある質問への短い回答

GEOはAnswer Engine Optimization（AEO）とどう違いますか？

Answer Engine Optimizationは、システムがページから直接回答を取り出しやすくすることに重点を置きます。明確な質問見出し、近くにある簡潔な回答、構造化されたFAQが中心です。

Generative Engine Optimizationは、大規模言語モデルが回答を合成するときにどのソースを信頼するかに影響を与えることに重点を置きます。統計、属性付きの専門家引用、信頼できるソースへのインライン引用、そして自社サイトと主要な掲載先で同じ事実を正確に繰り返すことが中心です。

多くのチームには両方が必要です。まず従来のSEOが必要です。そうしないと、answer engineが候補セットの中であなたを見つけられません。

AEO向けのコンテンツ例はどのようなものですか？

このガイドの前半にある40〜60語の直接回答のHVAC修理パターンを使ってください。レシピは単純です。ユーザーの質問を見出しにし、その直後の最初の段落で平易な言葉で答えます。

GEO向けのコンテンツ例はどのようなものですか？

GEOに強いページは、引用する価値のある参考資料のように読めます。出典付きの具体的な数字、属性付きの引用、そしてモデルが確信を三角測量できるようにチャネル横断で一貫した事業情報が含まれます。

手順を飛ばさずにAEOとGEOへ最適化するには？

重視するトピックで従来検索上の関連性を獲得し、その上にAEO構造（質問と短い回答）を重ね、さらにGEOシグナル（証拠と合意）を追加します。このガイド後半の実装チェックリストは、その順序に沿っています。

プラットフォーム別の最適化戦術

AIプラットフォームはそれぞれ異なる挙動をします。万能なアプローチは失敗します。

主要プラットフォームごとに有効な戦術を見ていきます。

Google AI Overviews：ハイブリッドエンジン

Google AI Overviewsは、独立した検索エンジンではありません。従来のGoogle Searchの上に載った要約レイヤーです。

仕組み：

Googleはクエリを従来のランキングアルゴリズムに通します。
上位10〜20件の結果を特定します。
LLMがそれらのページを読み、要約を合成します。
その要約がSERP上部にAI Overviewとして表示されます。

重要な発見： 従来検索の上位10件にランクインしているドメインと、AI Overviewsで引用されるドメインには92%の相関があることが研究で示されています。

つまり、従来のSEOが前提条件です。上位10件に入れなければ、AIはあなたを読みません。

Google AIO向けの最適化戦術：

1. 技術的前提条件

JavaScriptレンダリング： AI Overviewsはほぼリアルタイムで生成されます。コンテンツの表示に重いクライアントサイドJavaScriptが必要な場合、AIは読む前にタイムアウトする可能性があります。サーバーサイドレンダリングを使うか、初期HTMLレスポンスにテキストが含まれるようにします。
Schema markup： 管理されたテストでは、有効で包括的なschemaを持つページは引用される可能性が大幅に高いことが示されています。必須タイプはLocalBusiness、FAQPage、Article、HowTo、Product、Serviceです。
Robots.txt： Googlebotをブロックしていないことを確認します。AI Overviewsは従来検索と同じクローラーを使います。ブロックしていれば見えません。

2. コンテンツアーキテクチャ

40語の回答ブロック： 質問形式のH2タグ直後に直接回答を置きます。これはAIが最も安定して抽出する形式です。
セマンティックHTML構造： AIOで引用されるページは、見出し階層とナビゲーション構造のスコアが約20%高い傾向があります。論理的なH1 > H2 > H3の流れを使います。
Information gain： Googleは、コーパスに新しい情報を追加するコンテンツを好むと明言しています。独自調査データ、ユニークなケーススタディ、または証拠に裏付けられた逆張りの視点を公開します。

3. 引用の優位性

ある大規模研究では、AI Overview本文内で引用されたブランドは、下に表示される従来結果には出ているが引用されていないブランドよりも、約35%多くオーガニッククリックを獲得することがわかりました。

引用されることは権威のバッジです。そのブランドが決定的な情報源であることをユーザーに示します。

4. AI Overviews内の広告

2025年半ば時点で、広告はAI Overviewコンテナの上または下に表示されることがあります。

これにより、支払う意思のあるブランドには「Sponsored Citations」が生まれます。

ただし、広告は通常、生成された本文そのものの中には表示されません。AIは合成と広告を分離したままにします。

Perplexity AI：引用ファーストのエンジン

Perplexityは、透明性とソース帰属を重視する「Answer Engine」として自らを位置づけています。

研究者、アカデミック、B2B顧客にとって、Perplexityはますます最初の検索先になっています。

仕組み：

Perplexityは3層（L3）のrerankingシステムを使います。

候補結果の広範な取得。
品質と関連性シグナルに基づくreranking。
インライン引用付きの合成。

Perplexity向けの最適化戦術：

1. ドメイン権威性へのバイアス

Perplexityは、確立された権威あるドメインを強く好みます。

低権威のブログがWebMDやMayo Clinicと競合する場合、特定の事実の唯一の情報源でない限り、引用される可能性は低くなります。

戦略： ニッチな専門性に集中します。特定のデータポイント、ケーススタディ、または地域インサイトについて唯一のソースになります。

2. 中核シグナルとしての鮮度

Perplexityは1日に何度もインデックスを更新します。

最近公開または更新されたコンテンツは、大きなランキングブーストを受けます。

戦術： 記事に「Last updated: [Date]」を追加し、実際に更新します。統計を更新し、新しいケーススタディを追加し、最近の動向を取り込みます。

3. エンゲージメント指標

リンクに大きく依存するGoogleとは異なり、Perplexityはクリック後のエンゲージメントを重視しているように見えます。

スクロール深度が高く、セッション時間が長いほど、時間が経っても引用頻度が維持される傾向があります。

示唆： コンテンツは抽出向けに最適化されているだけでなく、本当に有用で読みやすい必要があります。

4. Focus Modesとマルチチャネル最適化

Perplexityには、検索対象を特定のデータセットに制限する「Focus Modes」があります。

可視性を最大化するには、複数チャネルで存在感を持つ必要があります。

All（Default）： 標準的な技術SEOと高いドメイン権威性が必要です。
Academic Mode： 学術論文に制限されます。ホワイトペーパー、調査レポート、または学術誌での引用を目指します。
Reddit Mode： Redditに制限されます。関連subredditに本物の形で参加します。高エンゲージメントのスレッドでブランドが言及されるようにします。
YouTube Mode： 動画トランスクリプトを検索します。詳細な動画説明を書き、正確な字幕を用意します。

5. Wikipediaゲートウェイ

PerplexityはWikipediaをground truthとして扱います。

ブランドや業界にWikipediaエントリがある場合は、それが正確で中立的であることを確認します。

関連するWikipediaページで参考文献として引用されると、Perplexityにおける権威スコアは大きく上がります。

Wikipediaを倫理的に操作することはできません。ただし、次のことはできます。

ブランドがWikipediaの特筆性ガイドラインを満たすようにする。
Wikipedia編集者が引用できる報道で言及される。
編集者が求めたときに、正確で中立的な情報を提供する。

Microsoft Copilot：B2Bとエンタープライズのエンジン

Microsoft Copilot（旧Bing Chat）は、LinkedIn、Microsoft 365、Microsoft Graphとの統合により独自の位置にあります。

B2Bブランドにとって、Copilotは最も重要なプラットフォームです。顧客が毎日使うツールの中に組み込まれているからです。

Microsoft Copilot向けの最適化戦術：

1. LinkedInが主要データソース

CopilotはLinkedInデータへ特権的にアクセスできます。

B2Bクエリでは、次のものから多く取得します。

Company Pages
創業者や経営陣の個人プロフィール
求人情報
会社の更新情報や記事

重要戦術： Webサイトと同じ厳密さでLinkedInプレゼンスを最適化します。

LinkedIn Company Pageの最適化：

すべての項目を100%埋める（説明、業界、規模、specialties、Webサイト）。
曖昧なマーケティング文ではなく、具体的なサービス提供内容を含む明確な「About」セクションを書く。
活動性と鮮度を示すため、定期的に投稿する（少なくとも週1〜2回）。
LinkedIn Articlesを使い、Copilotが引用できるthought leadershipを公開する。

創業者・経営陣の個人プロフィール：

専門性と会社での役割を明確に示す詳細な「About」セクション。
思想的リーダーシップを示す定期的な活動（投稿、コメント、共有）。
主要スキルを補強する推薦とendorsement。

2. 巧妙さより明確さ

Microsoftのドキュメントは「Clarity Signals」を重視しています。

Copilotは曖昧でない明示的なコンテンツを好みます。

悪い例： 「私たちは先進的な企業に革新的ソリューションで卓越性を提供します。」

良い例： 「私たちはオハイオ州の製造施設向けに産業用HVACシステムを販売しています。設置、保守、24時間365日の緊急修理に対応します。」

曖昧なマーケティング文は無視されます。具体的で明確な言葉はインデックスされ、取得されます。

3. 引用と脚注

Copilotは引用を最も積極的に付けるプラットフォームです。

本文内に脚注を置き、下部に「Learn More」リストを表示します。

そのため、引用されれば referral traffic の価値が高いターゲットになります。

戦略： コンテンツ内に明確で引用しやすい統計やデータポイントを用意します。AIが脚注化できる具体的な数字、日付、帰属を使います。

4. ローカルSEOとBing Places

ローカルビジネスでは、CopilotはBing Placesに依存します。

多くの企業はGoogle Business Profileを最適化しますが、Bing Placesを軽視しています。

重要戦術： Bing Places、Google Business Profile、自社サイトのNAPデータを完全に一致させます。

GoogleとBingの不一致は、Copilot可視性における一般的な失敗点です。

5. B2B Brand Lift測定

Microsoftは「Brand Lift」とB2Bパフォーマンスを測る特定のAPIツールを提供しています。

B2Bクライアントを支援する代理店は、キャンペーンがCopilotのブランド認識にどう影響するかを定量化するために、LinkedInのBrand Lift Testingを検討すべきです。

Claude：長文コンテキストのリサーチエンジン

Claude（Anthropic）は、検索ファーストのプラットフォームとは異なる動きをします。

多くの場合、ユーザーが文書をアップロードしたり、トピックを深く分析するための推論エンジンとして使われます。

Claudeでのユーザー行動：

分析のためにPDF、記事、レポートをアップロードする。
複数ソースの比較を依頼する。
ブラウジング機能を使って、あるトピックの深い調査を依頼する。

Claude向けの最適化戦術：

1. 決定版ガイド戦略

Claudeの明確な強みは、大きなコンテキストウィンドウ（最大200,000トークン以上）です。

本全体や包括的なレポートを読むことに長けています。

戦略： 長文で包括的なコンテンツを作ります。

「Xの決定版ガイド」形式は非常に有効です。

薄く短いコンテンツは、深いリサーチにClaudeを使うユーザーに活用されにくくなります。

2. 構造化され、ざっと読める長文

長いことは、読みにくいことではありません。

Claudeは構造をうまく処理します。次を使います。

明確なセクション見出し（H2、H3）。
要点を示す箇条書き。
比較データの表。
インライン引用と脚注。

これにより、ユーザーがフォローアップ質問をしたときに、Claudeが特定情報を抽出しやすくなります。

3. ClaudeBot User Agent管理

Claudeのアクセス制御は、robots.txt内のClaudeBot user agentで管理されます。

ジレンマ：

ClaudeBotをブロックすると、モデルはあなたのコンテンツを学習できません。IP保護にはなりますが、今後のバージョンでClaudeがあなたのブランドを「知る」可能性はほぼなくなります。
ClaudeBotを許可すると、モデルはあなたのコンテンツから学べます。長期的な可視性は高まりますが、コンテンツが帰属なしに合成されるリスクがあります。

可視性を求めるブランドへの推奨： ClaudeBotを許可します。

多くの企業にとって、今後のClaudeで引用される可能性を得る可視性メリットは、IPリスクを上回ります。

4. Research Modeとマルチソース引用

Claudeの「Research Mode」は、複数ソースにまたがる多段階分析を行います。

複数の高品質ドメインに登場するブランドが、合成される可能性が最も高くなります。

戦略： 次の場所で言及されるようにします。

業界メディア
レビューサイト
フォーラムでの議論（Reddit、Hacker News）
ニュース記事

このマルチソースの存在が、Claudeに検証用の三角測量ポイントを与えます。

5. Constitutional AIと安全フィルター

Claudeは強い安全ガードレールを持つ「Constitutional AI」を使っています。

非倫理的、操作的、または事実的に疑わしいコンテンツはフィルタリングされます。

示唆： 倫理的で安全で、出典が明確なコンテンツは、Claudeで可視性を得るための前提条件です。

Gemini：マルチモーダルとWorkspaceのエンジン

GeminiはGoogleのネイティブなマルチモーダルモデルで、Google AI Overviewsとは別物です。

「AI Mode」アシスタントを支え、Google Workspace（Docs、Sheets、Gmail、Drive）と深く統合されています。

Gemini向けの最適化戦術：

1. 引用パターン：競合 vs パブリッシャー

Geminiの引用行動を分析すると、興味深いパターンが見えます。

ニッチなB2B領域（専門的な金融ソフトウェア、産業機器など）では、Geminiの引用の約50%が競合企業のWebサイトから直接取得されています。

これは、業界メディアにより依存するGoogle Searchとは異なります。

示唆： B2Bでは、AI visibilityにおける最大の競争相手は広告や順位だけではなく、競合のブログです。

戦略： 競合よりも優れ、詳細なコンテンツを公開します。独自調査、詳細なケーススタディ、透明な価格情報は高価値なターゲットです。

2. 技術クエリではディスカッションフォーラム

開発者ツールや技術クエリでは、GeminiはRedditとHacker Newsを強く重視します。

技術製品向けの戦略：

関連subredditに本物の形で参加する。
Stack Overflowで質問に答える。
自社製品が言及されたときはHacker Newsで参加する。

これにより、Geminiが技術的な推薦に使うマルチソースの合意が構築されます。

3. 動画SEOとマルチモーダル最適化

Geminiは動画、画像、音声をネイティブに処理します。

alt textを読む従来検索とは異なり、Geminiは画像のピクセルデータや動画の音声を分析します。

動画最適化戦術：

正確で詳細なタイトルと説明。
高品質なトランスクリプト（自動生成だけに頼らない）。
話されている内容と一致する画面上のテキストやグラフィック。

画像最適化戦術：

主題を明確に示す、高品質で関連性のある画像。
適切なファイル名（IMG_1234.jpgではない）。
実際に画像内にあるものと一致するalt text。

4. Google Workspace統合

Geminiは、有効化しているユーザーのGoogle Workspaceデータに深くアクセスできます。

B2Bブランドにとって、これは次のことを意味します。

メール署名とドメインが重要。
ブランドに言及する共有Google DocsやSheetsがentity recognitionを強化する。
プロダクトに言及するCalendar招待や会議メモが利用シグナルを作る。

戦略： 自社製品にGoogle Workspace統合がある場合は、顧客に使ってもらうよう促します。各インタラクションがシグナルになります。

AI Visibilityのための技術インフラ

すべてのコンテンツ戦略の土台になるのが技術インフラです。

AIクローラーは従来の検索ボットよりも寛容ではありません。レイテンシと曖昧さへの許容度が低いのです。

Robots.txtとAI User Agents

robots.txtファイルは、単純なallow/disallowリストから、きめ細かい許可システムへ進化しました。

知っておくべき主要user agents：

Googlebot： 従来検索とAI Overviewsの両方で使用されます。
GPTBot： ChatGPT学習用のOpenAIクローラー。
ClaudeBot： Claude学習用のAnthropicクローラー。
PerplexityBot： Perplexityのクローラー。
Bingbot： BingとCopilot向けのMicrosoftクローラー。

戦略的な選択：

AI学習ボット（GPTBot、ClaudeBot）をブロックするとIPは保護されますが、それらのツールでの可視性はゼロになります。

マーケティング目的では、通常、可視性のメリットがIPリスクを上回ります。

推奨： 明確な法的または競争上の理由がない限り、AIクローラーを許可します。

高度なSchema実装

Schema markupはAIのRosetta Stoneです。

人間向けの概念を、機械が読めるentityに変換します。

AI visibilityに重要なschema types：

LocalBusiness Schema

{
  "@context": "https://schema.org",
  "@type": "LocalBusiness",
  "name": "ABC Heating & Air",
  "description": "24時間365日の緊急HVAC修理と当日対応サービス",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "123 Main St",
    "addressLocality": "Dallas",
    "addressRegion": "TX",
    "postalCode": "75201"
  },
  "telephone": "+1-214-555-1234",
  "priceRange": "$$",
  "openingHours": "Mo-Fr 08:00-18:00",
  "sameAs": [
    "https://www.facebook.com/abcheating",
    "https://www.linkedin.com/company/abcheating"
  ]
}

FAQPage Schema

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [{
    "@type": "Question",
    "name": "当日対応のHVAC修理は提供していますか？",
    "acceptedAnswer": {
      "@type": "Answer",
      "text": "はい。ダラスで24時間365日の緊急HVAC修理と当日対応サービスを提供しています。週末・祝日にも対応します。"
    }
  }]
}

検証は非常に重要です。

GoogleのRich Results Testを使ってschemaを検証します。

壊れたschemaは、schemaがないより悪いです。AIシステムに矛盾したシグナルを送るからです。

ネストされたschemaは関係性を構築します。

Review schemaをProduct schema内にネストしたり、Author schemaをArticle schema内にネストしたりすると、E-E-A-T（Experience、Expertise、Authoritativeness、Trustworthiness）を構築するつながりが確立されます。

AI Visibility詐欺を見抜き、避ける方法

AI導入への不安により、詐欺的なサービスの市場が生まれています。

身を守る方法を見ていきます。

レッドフラグ #1：AI回答への「掲載保証」

詐欺の内容： ChatGPT、Gemini、Google AI Overviewsへの「掲載保証」を約束する代理店。

不可能な理由：

LLMは非決定的です。出力は次の要素によって変わります。

Temperature設定（ランダム性の要素）。
ユーザー履歴と文脈。
ランダムシード生成。

外部の第三者がモデルの重みにブランドを挿入したり、特定の出力を保証したりする管理アクセスを持つことはありません。

現実： 引用される確率を高める最適化はできますが、誰も保証はできません。

レッドフラグ #2：「AIへサイトを登録します」サービス

詐欺の内容： 「ChatGPTにサイトを登録する」「AI検索エンジンにビジネスを登録する」といったサービス。

詐欺である理由：

LLMには登録プロセスがありません。

AIモデルは次の方法でビジネスを発見します。

Webクロール。
公開データのインデックス化（Google Business Profile、LinkedIn、Yelp）。
既存Webデータでの学習。

有料の「AI listing」プログラムは存在しません。これを売ると主張する人は嘘をついています。（詳しくは：ChatGPTに掲載されるために支払うことはできるのか？。短い答えは、できません。）

レッドフラグ #3：ボットファームとクエリスパム

詐欺の内容： ボットファームを使い、ブランドについて何千もの質問をAIに投げてモデルを「訓練する」と称するサービス。

失敗する理由：

チャットインターフェースでのやり取りは、すぐにモデルの学習セットへ戻されるわけではありません。

学習は、数か月または数年単位の、明確に分かれたエポックで行われます。

ライブチャットボットにクエリをスパムすることは、次の結果を生むだけです。

APIトークンを消費する。
レート制限やBANを引き起こす可能性がある。
他のユーザーにあなたのブランドを推薦するようAIに「教える」ことにはならない。

お金の無駄です。

レッドフラグ #4：ブラックハットGEO戦術

戦術：

AI生成記事をスピンして大量コンテンツを作る。
白文字で隠しキーワード詰め込みをする。
クローキング（AIクローラーとユーザーに別のコンテンツを見せる）。

失敗する理由：

現代のLLMは次の指標でテキスト品質を評価します。

Perplexity： 文章がどれだけ自然に聞こえるかの尺度。
Burstiness： 文の長さや構造の変動。

AI生成の「slop」は、低いperplexityと不自然なburstinessパターンを持つことが多いです。

これらは簡単に検出され、品質フィルターで降格されます。

Princeton GEO研究は、キーワード詰め込みが可視性を約9%低下させることを示しました。

正当なサービスを見分ける方法

良いサイン：

方法論について透明である。 何を制御でき、何を制御できないかを説明する。
魔法ではなく測定に集中している。 現在の可視性をテストし、改善のロードマップを提示する。
明確な納品物がある。 曖昧な約束ではなく、レポート、監査、アクションプランを提供する。
現実的なタイムラインを示す。 AI visibilityの構築には数日ではなく、数週間から数か月かかると認める。
掲載保証をしない。 確実性ではなく、確率について話す。

Surmadoのアプローチ：

私たちは、AIシステムが現在あなたのビジネスについてどう話しているかをテストします（AI Visibility）。

AI visibilityを阻む技術的・構造的な問題を特定します（Site Audit）。

改善のための戦略的な実行計画を提供します（Strategy）。

掲載保証はしません。技術的に不可能だからです。

Surmadoの位置づけ：測定と戦略

answer engineへの移行には、新しいツールと新しい指標が必要です。

Surmadoは、この時代に向けて設計された3つのプロダクトを提供しています。

Surmado AI Visibility：AI Visibility Testing（$50）

何をするか：

5つのbuyer personasに対して、7つのAIプラットフォームがあなたのビジネスについてどう話すかをテストします。

テスト対象プラットフォーム：

Google AI Overviews
ChatGPT（OpenAI）
Perplexity
Claude（Anthropic）
Gemini（Google）
Grok（xAI）
DeepSeek

得られるもの：

Presence Rate： どれくらいの頻度で言及されるか（0〜100%）。
Authority Score： AIシステムがどれくらい自信を持って推薦するか（0〜100%）。
Platform breakdown： どのプラットフォームで最も言及されるか。
Ghost Influence： あなたではなく競合がどれくらい言及されるか。
Citation analysis： AIシステムがあなたについて何と言い、どこから情報を得ているか。

なぜ重要か：

従来のrank trackerは、Googleでの順位を教えてくれます。

AI Visibilityは、ユーザーが推薦を求めたときにAIシステムが実際にあなたについて何と言うかを教えてくれます。

これが新しい成功指標です。AI回答内のShare of Voiceです。

非同期かつAPIフレンドリー：

AI Visibilityレポートは非同期で実行されます（約15〜30分）。

APIを呼び出してjob IDを取得し、完了時にwebhookで結果を受け取ることができます。

複数クライアントを管理する代理店や、カスタムダッシュボードを構築する開発者に最適です。

費用： 1 jobあたり$50。

Surmado Site Audit：AI Visibilityの技術的土台（$50）

何をするか：

AIシステムがサイトを読めなくする技術的・構造的問題を監査します。

Site Auditがチェックする内容：

Schema markup（LocalBusiness、FAQ、HowTo、Product、Service）。
Core Web Vitals（LCP、CLS、INP）。
Crawlabilityとindexability。
モバイルパフォーマンス。
見出し階層とセマンティックHTML。
アクセシビリティとセキュリティ。

なぜ重要か：

AIシステムは、読めないものを引用できません。

Site Auditは、AIプラットフォームがあなたのビジネスを理解するのを妨げる構造的な障壁を特定します。

得られるもの：

優先順位付きのアクションプラン。影響度順に並んだ5〜10件の修正項目です。

各問題には次が含まれます。

AI visibilityにとってなぜ重要か。
どう直すか（必要に応じてコード例付き）。
引用確率への期待影響。

費用： 1 jobあたり$50。

Surmado Strategy：戦略的ガイダンス（$50）

何をするか：

6つのAIによるadversarial debateを実行し、あなたのビジネス、競争環境、市場ポジショニングを分析します。

Strategyが提供するもの：

ROI分析付きの優先順位付き推奨事項。
SEO、AEO、GEO戦術をつなぐ複数四半期ロードマップ。
不確実性の高い意思決定のためのReal Options Valuation。
前提をストレステストするadversarial critique。

なぜ重要か：

AI時代に必要なのは、単なる戦術的修正ではなく戦略的意思決定です。

Strategyは次に答えます。

どのコンテンツを削るべきか？（Kill zone回避）
どのコンテンツに投資を集中すべきか？（独自データ、hyper-transactional）
90日間で実験をどう順序付けるべきか？
どのプラットフォームを優先すべきか？

代理店向け：

Strategyは、古い「キーワードXで1位を取ります」という約束ではなく、answer engineとShare of Voiceを中心にretainer proposalを書き換えるのに役立ちます。

費用： 1 jobあたり$50。

Plans：代理店向けのレバレッジ

プランの仕組み：

pay-as-you-goでは1 jobあたり$50。プランを選ぶとより高い価値を得られます。

Pro plan： 月$100で4 jobs（追加jobは各$25）。

Portfolio plan： 月$500で20 jobs（追加jobは各$25）。

代理店にとってプランが重要な理由：

代理店はPortfolioを選び、次を自由に組み合わせられます。

すばやい監査のためのSite Audit。
AI visibilityテストのためのAI Visibility。
より大きな案件のためのStrategy。

最低利用数なし。ロックインなし。

価値の再販売方法は自由です。

代理店ワークフロー例：

クライアントオンボーディング：Site Audit + AI Visibilityを実行（合計$100、2 jobs）。
ベースライン指標をCRMに保存。
変化を追跡するため、APIで毎月AI Visibilityを実行（月$50、1 job）。
四半期ごとにStrategyを実行し、戦略的ガイダンスを得る（四半期$50、1 job）。

プランは柔軟性とマージンを提供します。

5段階の実装プレイブック

AEOとGEOを実際に実装する方法です。

Phase 1：Clarity Audit（1週目）

目的： 単一で曖昧さのないデジタル上のアイデンティティを確立する。

アクション：

すべてのディレクトリでNAP（名前、住所、電話番号）を監査する。
- Google Business Profile
- Bing Places
- Yelp
- Apple Maps
- Facebook
- LinkedIn
次の不一致を確認する。
- 営業時間
- サービス説明
- カテゴリ選択
- WebサイトURL
すべての不一致を記録する。

なぜ重要か：

AIモデルはconsensus engineとして機能します。

営業時間がプラットフォームごとに異なると、AIは確信を失い、幻覚エラーを避けるために「Open Now」クエリからあなたを除外する可能性があります。

指標： すべてのtier-1ディレクトリで100%の一貫性を目指します。

Phase 2：Technical Signal Boosting（2週目）

目的： ビジネスデータを機械可読形式へ変換する。

アクション：

次のpropertiesを含むLocalBusiness schemaを実装する。
- name
- description
- address（完全なPostalAddress object）
- telephone
- priceRange
- openingHours
- areaServed
- sameAs（ソーシャルプロフィールへのリンク）
最もよくある顧客質問にFAQPage schemaを追加する。
GoogleのRich Results Testを実行して検証する。
Surmado Site Auditで指摘されたCore Web Vitalsの問題を修正する。

なぜ重要か：

これによりentityが曖昧でなくなります。

AIに「これはシカゴの配管業者である」と、AIのネイティブなコード言語で伝えます。

Phase 3：回答のためのContent Engineering（3〜4週目）

目的： snippableなコンテンツでQ&A型の音声クエリを獲得する。

アクション：

Webサイトに「よく聞かれる質問」セクションを作る。
実際に顧客が聞く質問を5〜10個書く。
各質問の直後、最初の40〜60語で回答する。
箇条書きの詳細や補足段落を続ける。
Princeton GEO戦術を適用する。
- トピックごとに少なくとも1つの専門家引用を追加する（専門家があなた自身でも、適切に帰属させる）。
- 具体的な統計とデータを含める。
- 権威あるソースへのインライン引用を追加する。

形式例：

## ダラスでHVAC修理には通常いくらかかりますか？

ダラスでのHVAC修理は、問題の内容によって通常$150〜$800です。
サーモスタット交換のような簡単な修理は$150からです。コンプレッサーや蒸発器コイルの修理は
$400〜$800です。出張診断料は$89で、診断を含み、修理費用に充当されます。

National Average HVAC Repair Cost study（2024）によると、ダラスの価格は
夏季需要が高いため全国平均より約12%高くなっています。

### ダラスでよくあるHVAC修理と費用：
- サーモスタット交換：$150〜$250
- 冷媒補充：$200〜$400
- コンプレッサー修理：$400〜$800
- 蒸発器コイル修理：$500〜$800

なぜ重要か：

これはGoogle AI Overviews、Perplexity、音声アシスタントが好む「snippable」な形式を狙います。

AIが回答を抽出する摩擦を減らします。

Phase 4：Reputation Management Loop（継続）

目的： 構造化されたレビュー情報をsentiment analysis engineへ供給する。

アクション：

最近の顧客にレビューを依頼する。
レビュー内で具体的な特徴に触れてもらうよう促す。
- 「same-day service」
- 「transparent pricing」
- 「good for kids」
- 「emergency availability」
すべてのレビュー（ポジティブ・ネガティブ両方）に返信する。
返信では、関連付けを強化するsemantic keywordsを使う。
- 「当社のsame-day serviceを評価いただきありがとうございます。」
- 「料金の透明性は、私たちの中核価値の一つです。」

なぜ重要か：

AIシステムは、「何に最適か」という推薦を決めるためにレビュー内容を読みます。

オーナーの返信はレビューの文脈を確認し、entityとattributeの関連付けを強化します。

Phase 5：B2BとDeveloper Layer（該当する場合）

目的： Microsoft Copilotを獲得し、プログラム可能なvisibility trackingを有効にする。

B2Bブランド向けアクション：

LinkedIn Company Pageを最適化する。
- すべての項目を100%埋める。
- 明確で具体的な「About」セクションを書く。
- 定期的に投稿する（最低でも週1〜2回）。
主要な経営陣プロフィールを最適化する。
- 詳細な「About」セクション。
- 定期的な活動（投稿、コメント）。
- 主要スキルを補強する推薦。
Bing Placesを完成させ、Google Business Profileと完全に一致させる。

開発者・代理店向けアクション：

Surmado AI VisibilityとSite AuditへのAPI accessを設定する。
月次モニタリングワークフローを構築する。
- APIでAI Visibilityを実行する。
- 結果をCRMまたはBIツールに保存する。
- Presence RateとAuthority Scoreの推移を追跡する。
次を表示するクライアントダッシュボードを作る。
- AI visibility trends。
- プラットフォーム別の内訳。
- 競合ベンチマーク。

なぜ重要か：

CopilotはLinkedInとMicrosoft Graphに強く依存します。

B2Bでは、これがAI discoveryの主要チャネルです。

代理店にとって、API統合は毎月手動でテストを実行せずに「AI visibility monitoring」をサービスとして提供できるようにします。

まとめ

最適化の風景は、3つの明確な領域に分かれました。

従来のSEOは今でも土台です。AIシステムに読まれるには、上位10件にランクインする必要があります。

**Answer Engine Optimization（AEO）**は、コンテンツを抽出しやすくします。簡潔な回答、質問形式の見出し、FAQ schemaが中核戦術です。

**Generative Engine Optimization（GEO）**は、AIシステムにあなたを引用させます。専門家引用、統計、インライン引用、そしてプラットフォーム横断の一貫性が差別化要因です。

Princeton GEO研究は、定量的なベンチマークを示しています。

専門家引用：可視性 +41%
統計：可視性 +30%
インライン引用：可視性 +30%
キーワード詰め込み：可視性 -9%

プラットフォームごとに挙動は異なります。

Google AI Overviews： 上位10件から取得します。まず従来のSEOに最適化し、その上でsnippableな構造を追加します。
Perplexity： 鮮度、権威性、マルチチャネルの存在感を評価します。
Microsoft Copilot： B2BクエリではLinkedInに大きく依存します。
Claude： 長文で包括的なガイドを好みます。
Gemini： マルチモーダルコンテンツ（動画、画像）を分析します。

詐欺には注意してください。AI掲載を保証できる人はいません。そう約束する人は嘘をついています。

Surmadoは測定と最適化を支援します：

AI Visibility（$50）：7つのプラットフォームでAI visibilityをテスト。
Site Audit（$50）：AIが読めない技術的障壁を修正。
Strategy（$50）：AI時代の戦略的ガイダンスを取得。

2026年にAEOとGEOを習得する企業は、answer engine上で自分たちのカテゴリを所有します。

無視する企業は、ランキングがなぜもう効かないのか疑問に思いながら、競合が引用されるのを眺めることになります。

この記事で使用したソース

この記事は、次の知見を統合しています。

Princeton University GEO Research（2024）： 10,000件のクエリを用いて、コンテンツ戦術がLLMの引用確率に与える影響を測定した実証研究。
Seer Interactive / Dataslayer（2025）： AI OverviewsがCTRとトラフィックに与える影響の大規模分析。
Pew Research Center（2025）： AI summariesが表示されたときのクリック行動に関するユーザー行動研究。
Search Engine Land： Perplexity、Copilot、Google AIO向けのプラットフォーム別最適化研究。
Microsoft Learn： CopilotとのLinkedIn統合およびB2B最適化に関する公式ドキュメント。
複数の業界ケーススタディ： Authoritas、BrightEdge、Semrush、SE Ranking。

Related Reading：

Take Action：

AI Visibilityでテストする（1 Jobあたり50ドル）
Site Auditを試す、またはSite Auditレポートを実行（50ドル） | ログイン
Strategyでガイダンスを受ける（1 Jobあたり50ドル）
すべてのプランを見る（PAYG、Pro、Portfolio）

TLDR：新しい最適化領域

用語整理：SEO vs AEO vs GEO

従来のSEO

Answer Engine Optimization（AEO）

Generative Engine Optimization（GEO）

比較表：SEO vs AEO vs GEO

AEOとGEOに関するよくある質問への短い回答

GEOはAnswer Engine Optimization（AEO）とどう違いますか？

AEO向けのコンテンツ例はどのようなものですか？

GEO向けのコンテンツ例はどのようなものですか？

手順を飛ばさずにAEOとGEOへ最適化するには？

プラットフォーム別の最適化戦術

Google AI Overviews：ハイブリッドエンジン

Perplexity AI：引用ファーストのエンジン

Microsoft Copilot：B2Bとエンタープライズのエンジン

Claude：長文コンテキストのリサーチエンジン

Gemini：マルチモーダルとWorkspaceのエンジン

AI Visibilityのための技術インフラ

Robots.txtとAI User Agents

高度なSchema実装

AI Visibility詐欺を見抜き、避ける方法

レッドフラグ #1：AI回答への「掲載保証」

レッドフラグ #2：「AIへサイトを登録します」サービス

レッドフラグ #3：ボットファームとクエリスパム

レッドフラグ #4：ブラックハットGEO戦術

正当なサービスを見分ける方法

Surmadoの位置づけ：測定と戦略

Surmado AI Visibility：AI Visibility Testing（$50）

Surmado Site Audit：AI Visibilityの技術的土台（$50）

Surmado Strategy：戦略的ガイダンス（$50）

Plans：代理店向けのレバレッジ

5段階の実装プレイブック

Phase 1：Clarity Audit（1週目）

Phase 2：Technical Signal Boosting（2週目）

Phase 3：回答のためのContent Engineering（3〜4週目）

Phase 4：Reputation Management Loop（継続）

Phase 5：B2BとDeveloper Layer（該当する場合）

まとめ

この記事で使用したソース

次の一歩へ

関連記事

AI検索とは？（中小企業オーナー向け解説）

ゴースト・インフルエンス：AIがあなたを説明しているのに、別の誰かの名前を出すとき

AI可視性とは何か。SEOではない。センチメント分析でもない。